[논문 리뷰] Improvements for multi-objective flow shop scheduling by Pareto Iterated Local Search

Martin Josef Geiger|ArXiv.org|2009. 07. 17.

Scheduling and Optimization Algorithms참고 문헌 22인용 수 4

한 줄 요약

이 논문은 다중 목적의 플로우 샷 스케줄링 문제를 해결하기 위해 강력한 수렴성을 보이는 간단하면서도 효과적인 메타휴리스틱인 파레토 반복 국소 탐색(Pareto Iterated Local Search, PILS)을 제안한다. 이는 국소 탐색을 통한 집중화와 변형을 통한 다양화를 조합하여 局부 최적해에서 벗어나는 데에 효과적이다. 특히 Ta100×10과 같은 기준 테스트 인스턴스에서 다중 연산자 국소 탐색보다 뛰어난 수렴 성능를 보이며, 문제 크기가 커질수록 계산 자원이 기하급수적으로 증가한다.

ABSTRACT

The article describes the proposition and application of a local search metaheuristic for multi-objective optimization problems. It is based on two main principles of heuristic search, intensification through variable neighborhoods, and diversification through perturbations and successive iterations in favorable regions of the search space. The concept is successfully tested on permutation flow shop scheduling problems under multiple objectives and compared to other local search approaches. While the obtained results are encouraging in terms of their quality, another positive attribute of the approach is its simplicity as it does require the setting of only very few parameters.

연구 동기 및 목표

• 최대 완료 시간, 총 지연 시간, 총 완료 시간과 같은 상충되는 기준을 고려한 다중 목적의 플로우 샷 스케줄링 문제를 해결하는 데 도전한다.
• 최소한의 파라미터 조정으로 집중화와 다양화를 균형 있게 유지하는 메타휴리스틱을 개발하여 효과적인 파레토 최적 해 근사치를 도출한다.
• 기존 방법, 특히 다중 연산자 국소 탐색과의 성능 비교를 표준 기준 테스트 인스턴스에서 평가한다.
• 작업 수와 기계 수에 따라 局부 최적 해에 도달하는 데 소요되는 계산 복잡도를 분석한다.
• PILS가 진정한 파레토 최적 해에 수렴하는 방식과 무작위로 샘플된 해들이 그에 비해 목적 공간에서 얼마나 가까운지 분석한다.

제안 방법

• PILS는 각 해가 작업 순서를 나타내는 순열 기반 표현 방식을 사용하며, 이는 가장 이른 가능한 시작 시간을 기반으로 활성 스케줄을 정의한다.
• 알고리즘은 국소 탐색을 통해 반복적으로 해를 개선하고, 이웃 연산자들을 사용하여 국소 최적 해 집합에 도달할 때까지 진행한다.
• 국소 최적 해에서 벗어나기 위해 PILS는 현재 해를 변형하는 변형 메커니즘을 적용하며, 이는 변형 이웃 영역 N_perturb를 사용한다.
• 파레토 지배 관계를 통해 해를 비교한다: 한 해가 모든 목표에서 더 나쁘지 않고 적어도 하나의 목표에서 엄격히 우수한 경우, 그 해는 다른 해를 지배한다.
• 집중화(국소 탐색)와 다양화(변형) 사이를 번갈아 수행하며, 변형된 해에서 다시 시작하여 탐색 공간의 새로운 영역을 탐색한다.
• 알고리즘은 탐색 과정 내내 변화하는 파레토 최적 해를 추적하기 위해 비지배 해의 외부 아카이브를 유지한다.

실험 결과

연구 질문

• RQ1 표준 다중 목적 플로우 샷 스케줄링 기준 인스턴스에서 PILS는 다중 연산자 국소 탐색에 비해 수렴 품질에서 어떻게 비교되는가?
• RQ2 국소 최적 해에 도달하는 데 필요한 계산 자원은 얼마이며, 문제 크기에 따라 어떻게 증가하는가?
• RQ3 무작위로 샘플된 해들의 분포는 목적 공간에서 진정한 파레토 최적 해에 비해 얼마나 가까운가?
• RQ4 PILS와 같이 단순하고 파라미터가 적은 메타휴리스틱이 다중 목적 스케줄링 문제에서 파레토 최적 해를 효과적으로 근사할 수 있는가?
• RQ5 변형 기법이 국소 최적 해에서 벗어나고 전역 파레토 최적 해에 수렴하는 데 얼마나 기여하는가?

주요 결과

• PILS는 테스트된 모든 표준 기준 인스턴스에서 다중 연산자 국소 탐색 방법보다 파레토 최적 해 근사에 뛰어난 성능을 보였다.
• Ta100×10 인스턴스에서 PILS는 파레토 최적 해에 매우 가까운 해를 도달했으며, 수렴 단계가 시간이 지남에 따라 점점 작아지는 경향을 보였다.
• 국소 최적 해에 도달하는 평균 평가 수는 작업 수가 증가함에 따라 기하급수적으로 증가했으며, n=100, m=10일 경우 793,968에 이르렀다.
• 무작위로 샘플된 해 50,000개 중 다수는 C_max≈6900 및 T_sum≈111,500 부근에 집중되어 있었으며, 이는 파레토 최적 해에서 매우 떨어져 있음을 시사하며, 초기 해의 품질이 열악함을 나타낸다.
• 변형 기법은 국소 최적 해에서 벗어나는 데 효과적으로 기여하였으며, 파레토 최적 해의 더 나은 영역으로의 지속적인 탐색을 가능케 하였다.
• 문제 크기가 커짐에 따라 국소 탐색의 계산 노력이 기하급수적으로 증가하지만, PILS는 강력한 수렴 행동을 보이며 다중 목적 스케줄링 문제에 있어서 유망한 접근법으로 남아 있다.